From 48b58f74a220bc733238c68ddfc5411596f63bd9 Mon Sep 17 00:00:00 2001
From: haotian <2421912570@qq.com>
Date: Fri, 13 Mar 2026 11:37:35 +0800
Subject: [PATCH] =?UTF-8?q?=E4=BF=AE=E6=94=B9train=E8=84=9A=E6=9C=AC?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 train/01_download_dataset.py | 313 +++++++++++++++++++++++------------
 train/02_train.bat           |  38 ++---
 train/03_export_onnx.bat     |  52 +-----
 train/README.md              | 180 +++++++++-----------
 train/data.yaml.template     |  48 ++----
 5 files changed, 322 insertions(+), 309 deletions(-)

diff --git a/train/01_download_dataset.py b/train/01_download_dataset.py
index 56f1b63..2879b78 100644
--- a/train/01_download_dataset.py
+++ b/train/01_download_dataset.py
@@ -1,156 +1,259 @@
 #!/usr/bin/env python3
 """
-下载 Roboflow Safety Shoes Detection 数据集
+下载鞋子检测数据集
+支持:
+    - Ultralytics Construction-PPE (推荐, 直接下载)
+    - Open Images V7 (通过 FiftyOne)
+
 使用方法:
-    python 01_download_dataset.py --api-key YOUR_API_KEY
+    # 下载 Construction-PPE (推荐)
+    python 01_download_dataset.py --source ultralytics
     
-或者手动下载:
-    1. 访问 https://universe.roboflow.com/nedrick-chandra-gpg1l/safety-shoes-detection-5qgkg
-    2. 点击 Download → 选择 YOLOv8 格式
-    3. 解压到 datasets/ 目录
+    # 下载 Open Images V7 鞋子类别
+    python 01_download_dataset.py --source openimages --max-samples 5000
 """
 
 import argparse
 import os
 import sys
+import zipfile
 from pathlib import Path
 
 
-def download_with_roboflow(api_key: str, dataset_dir: str = "datasets"):
-    """使用 Roboflow API 下载数据集"""
-    try:
-        from roboflow import Roboflow
-    except ImportError:
-        print("错误: 未安装 roboflow 包")
-        print("请运行: pip install roboflow")
-        sys.exit(1)
+def download_ultralytics_cppe(dataset_dir: str = "datasets/construction-ppe"):
+    """
+    下载 Ultralytics Construction-PPE 数据集
+    完全开放，直接下载，无需注册
+    """
+    import urllib.request
+    import ssl
     
-    print("="*60)
-    print("正在下载 Safety Shoes Detection 数据集...")
-    print("="*60)
+    url = "https://github.com/ultralytics/assets/releases/download/v0.0.0/construction-ppe.zip"
+    zip_path = "construction-ppe.zip"
     
+    print("="*70)
+    print("下载 Construction-PPE 数据集")
+    print("="*70)
+    print(f"来源: {url}")
+    print(f"目标: {dataset_dir}")
+    print()
+    
+    # 创建目录
+    os.makedirs(dataset_dir, exist_ok=True)
+    
+    # 下载
+    print("[1/3] 下载中... (约 178MB)")
     try:
-        rf = Roboflow(api_key=api_key)
-        project = rf.workspace("nedrick-chandra-gpg1l").project("safety-shoes-detection-5qgkg")
-        dataset = project.version(2).download("yolov8", location=dataset_dir)
+        # 禁用 SSL 验证（某些环境需要）
+        ssl_context = ssl.create_default_context()
+        ssl_context.check_hostname = False
+        ssl_context.verify_mode = ssl.CERT_NONE
         
-        print(f"\n✓ 数据集下载完成: {dataset.location}")
-        return dataset.location
+        with urllib.request.urlopen(url, context=ssl_context, timeout=300) as response:
+            total_size = int(response.headers.get('content-length', 0))
+            downloaded = 0
+            chunk_size = 8192
+            
+            with open(zip_path, 'wb') as f:
+                while True:
+                    chunk = response.read(chunk_size)
+                    if not chunk:
+                        break
+                    f.write(chunk)
+                    downloaded += len(chunk)
+                    if total_size > 0:
+                        percent = (downloaded / total_size) * 100
+                        print(f"\r      进度: {percent:.1f}% ({downloaded}/{total_size} bytes)", end="")
+        
+        print("\n      ✓ 下载完成")
         
     except Exception as e:
-        print(f"\n✗ 下载失败: {e}")
-        print("\n请尝试手动下载:")
-        print("1. 访问 https://universe.roboflow.com/nedrick-chandra-gpg1l/safety-shoes-detection-5qgkg")
-        print("2. 点击 'Download' → 选择 'YOLOv8' 格式")
-        print("3. 解压到 datasets/ 目录")
-        return None
-
-
-def modify_yaml_for_single_class(dataset_path: str):
-    """修改为单类检测配置"""
-    yaml_path = os.path.join(dataset_path, "data.yaml")
-    
-    if not os.path.exists(yaml_path):
-        print(f"警告: 找不到 {yaml_path}")
+        print(f"\n      ✗ 下载失败: {e}")
+        print("\n请手动下载:")
+        print(f"  1. 访问: {url}")
+        print(f"  2. 下载 construction-ppe.zip")
+        print(f"  3. 解压到 {dataset_dir}/")
         return False
     
-    with open(yaml_path, 'r') as f:
-        content = f.read()
+    # 解压
+    print(f"\n[2/3] 解压中...")
+    try:
+        with zipfile.ZipFile(zip_path, 'r') as zip_ref:
+            zip_ref.extractall(dataset_dir)
+        print("      ✓ 解压完成")
+    except Exception as e:
+        print(f"      ✗ 解压失败: {e}")
+        return False
     
-    # 创建新的单类配置
-    new_content = """# 单类鞋子检测数据集配置
-# 原数据集: Safety Shoes Detection (Roboflow)
-# 修改: 合并 safety-shoes 和 no-safety-shoes 为单一的 shoe 类别
+    # 清理
+    print(f"\n[3/3] 清理临时文件...")
+    os.remove(zip_path)
+    print("      ✓ 完成")
+    
+    return True
 
-train: ../train/images
-val: ../valid/images
-test: ../test/images
 
+def create_yaml_config(dataset_dir: str, single_class: bool = False):
+    """创建单类检测配置文件"""
+    yaml_content = """# 单类鞋子检测数据集配置
+# 基于 Construction-PPE 数据集修改
+# 原类别: helmet, gloves, vest, boots, goggles, none, Person, no_helmet, no_goggle, no_gloves, no_boots
+# 修改为单一的 shoe 类别（只使用 boots 和 no_boots 的标注）
+
+path: construction-ppe  # 数据集根目录
+train: images/train     # 训练集 (1132张)
+val: images/val         # 验证集 (143张)
+test: images/test       # 测试集 (141张)
+
+# 单类配置
 nc: 1
 names: ['shoe']
 
-# Roboflow 元信息
-roboflow:
-  workspace: nedrick-chandra-gpg1l
-  project: safety-shoes-detection-5qgkg
-  version: 2
-  license: CC BY 4.0
-  url: https://universe.roboflow.com/nedrick-chandra-gpg1l/safety-shoes-detection-5qgkg/dataset/2
+# 原始数据信息
+original_dataset:
+  name: Construction-PPE
+  source: Ultralytics
+  url: https://docs.ultralytics.com/datasets/detect/construction-ppe/
+  download: https://github.com/ultralytics/assets/releases/download/v0.0.0/construction-ppe.zip
+  
+# 使用说明:
+# 1. 此配置将 boots (cls=3) 和 no_boots (cls=10) 都映射为 shoe (cls=0)
+# 2. 训练时只检测鞋子，不关心是否安全鞋
+# 3. 安全鞋判断通过后续颜色分析完成
 """
     
-    # 备份原文件
-    backup_path = yaml_path + ".backup"
-    with open(backup_path, 'w') as f:
-        f.write(content)
+    yaml_path = os.path.join(dataset_dir, "data.yaml")
     
-    # 写入新配置
     with open(yaml_path, 'w') as f:
-        f.write(new_content)
+        f.write(yaml_content)
     
-    print(f"✓ 已修改为单类检测: {yaml_path}")
-    print(f"  原配置备份: {backup_path}")
-    return True
+    print(f"\n✓ 配置文件创建: {yaml_path}")
+    return yaml_path
 
 
-def check_dataset_structure(dataset_path: str):
-    """检查数据集结构是否正确"""
-    required_dirs = ['train/images', 'train/labels', 'valid/images', 'valid/labels']
+def download_openimages(classes: list, max_samples: int, dataset_dir: str):
+    """通过 FiftyOne 下载 Open Images"""
+    try:
+        import fiftyone as fo
+        import fiftyone.zoo as foz
+    except ImportError:
+        print("错误: 未安装 fiftyone")
+        print("请运行: pip install fiftyone")
+        return False
     
-    print("\n检查数据集结构...")
+    print("="*70)
+    print("下载 Open Images V7 数据集")
+    print("="*70)
+    print(f"类别: {classes}")
+    print(f"最大样本数: {max_samples}")
+    print()
+    
+    try:
+        dataset = foz.load_zoo_dataset(
+            "open-images-v7",
+            split="train",
+            label_types=["detections"],
+            classes=classes,
+            max_samples=max_samples,
+            dataset_dir=dataset_dir
+        )
+        
+        # 导出为 YOLO 格式
+        print("\n导出为 YOLO 格式...")
+        dataset.export(
+            export_dir=dataset_dir + "-yolo",
+            dataset_type=fo.types.YOLOv5Dataset,
+            label_field="detections"
+        )
+        
+        print(f"✓ 数据集保存: {dataset_dir}-yolo")
+        return True
+        
+    except Exception as e:
+        print(f"✗ 下载失败: {e}")
+        return False
+
+
+def check_dataset(dataset_dir: str):
+    """检查数据集完整性"""
+    print("\n" + "="*70)
+    print("检查数据集")
+    print("="*70)
+    
+    required_dirs = [
+        'images/train', 'images/val', 'images/test',
+        'labels/train', 'labels/val', 'labels/test'
+    ]
+    
+    all_ok = True
     for dir_name in required_dirs:
-        full_path = os.path.join(dataset_path, dir_name)
+        full_path = os.path.join(dataset_dir, dir_name)
         if os.path.exists(full_path):
-            count = len(os.listdir(full_path))
+            count = len([f for f in os.listdir(full_path) if os.path.isfile(os.path.join(full_path, f))])
             print(f"  ✓ {dir_name}: {count} 个文件")
         else:
             print(f"  ✗ {dir_name}: 不存在")
-            return False
+            all_ok = False
     
-    return True
+    return all_ok
 
 
 def main():
-    parser = argparse.ArgumentParser(description="下载 Safety Shoes Detection 数据集")
-    parser.add_argument("--api-key", help="Roboflow API Key")
-    parser.add_argument("--dir", default="datasets/safety-shoes-detection", 
+    parser = argparse.ArgumentParser(
+        description="下载鞋子检测数据集",
+        formatter_class=argparse.RawDescriptionHelpFormatter,
+        epilog="""
+示例:
+  # 下载 Construction-PPE (推荐，直接可用)
+  python 01_download_dataset.py --source ultralytics
+  
+  # 下载 Open Images 鞋子类别
+  python 01_download_dataset.py --source openimages --max-samples 5000
+  
+  # 指定保存目录
+  python 01_download_dataset.py --source ultralytics --dir ./my-datasets/shoes
+        """
+    )
+    
+    parser.add_argument("--source", choices=["ultralytics", "openimages"], 
+                       default="ultralytics",
+                       help="数据源 (默认: ultralytics)")
+    parser.add_argument("--dir", default="datasets/construction-ppe",
                        help="数据集保存目录")
-    parser.add_argument("--no-modify", action="store_true",
-                       help="不修改 data.yaml（保持原始类别）")
+    parser.add_argument("--max-samples", type=int, default=5000,
+                       help="Open Images 最大样本数 (默认: 5000)")
+    parser.add_argument("--classes", nargs="+", 
+                       default=["Footwear", "Sandal", "Shoe", "Boot"],
+                       help="Open Images 类别 (默认: Footwear Sandal Shoe Boot)")
     
     args = parser.parse_args()
     
-    # 如果提供了 API key，使用 API 下载
-    if args.api_key:
-        dataset_path = download_with_roboflow(args.api_key, args.dir)
-        if dataset_path is None:
-            sys.exit(1)
+    success = False
+    
+    if args.source == "ultralytics":
+        success = download_ultralytics_cppe(args.dir)
+        if success:
+            create_yaml_config(args.dir, single_class=False)
+            check_dataset(args.dir)
+    
+    elif args.source == "openimages":
+        success = download_openimages(args.classes, args.max_samples, args.dir)
+    
+    # 输出下一步
+    if success:
+        print("\n" + "="*70)
+        print("数据集准备完成！")
+        print("="*70)
+        print(f"数据集路径: {args.dir}")
+        print("\n下一步:")
+        print(f"  1. 检查配置: cat {args.dir}/data.yaml")
+        print(f"  2. 开始训练: 02_train.bat")
+        print(f"  3. 或手动: yolo detect train data={args.dir}/data.yaml model=yolov8n.pt epochs=150 imgsz=640")
+        return 0
     else:
-        # 检查是否已手动下载
-        dataset_path = args.dir
-        if not os.path.exists(dataset_path):
-            print(f"错误: 找不到数据集目录 {dataset_path}")
-            print("\n请使用以下方式之一获取数据集:")
-            print("1. 使用 API 下载: python 01_download_dataset.py --api-key YOUR_KEY")
-            print("2. 手动下载并解压到: datasets/safety-shoes-detection/")
-            sys.exit(1)
-    
-    # 检查数据集结构
-    if not check_dataset_structure(dataset_path):
-        print("\n✗ 数据集结构不正确")
-        sys.exit(1)
-    
-    # 修改为单类检测
-    if not args.no_modify:
-        modify_yaml_for_single_class(dataset_path)
-    
-    print("\n" + "="*60)
-    print("数据集准备完成！")
-    print("="*60)
-    print(f"数据集路径: {dataset_path}")
-    print(f"配置文件: {dataset_path}/data.yaml")
-    print("\n下一步:")
-    print(f"  yolo detect train data={dataset_path}/data.yaml model=yolov8n.pt epochs=150 imgsz=640")
+        print("\n✗ 数据集准备失败")
+        return 1
 
 
 if __name__ == "__main__":
-    main()
+    sys.exit(main())
diff --git a/train/02_train.bat b/train/02_train.bat
index c611caf..436279f 100644
--- a/train/02_train.bat
+++ b/train/02_train.bat
@@ -3,22 +3,19 @@ chcp 65001 >nul
 cls
 
 echo ============================================================
-echo             训练鞋子检测模型 (YOLOv8)
+echo           训练鞋子检测模型 (YOLOv8 + 640x640)
 echo ============================================================
 echo.
 
 :: 设置数据集路径
-set DATASET=datasets/safety-shoes-detection/data.yaml
+set DATASET=datasets/construction-ppe/data.yaml
 
 :: 检查数据集是否存在
 if not exist %DATASET% (
     echo [错误] 找不到数据集配置文件: %DATASET%
     echo.
     echo 请先下载数据集:
-    echo   1. 访问 https://universe.roboflow.com/nedrick-chandra-gpg1l/safety-shoes-detection-5qgkg
-    echo   2. 点击 Download -^> YOLOv8 格式
-    echo   3. 解压到 datasets/safety-shoes-detection/
-    echo   4. 运行 python 01_download_dataset.py --no-modify
+    echo   python 01_download_dataset.py --source ultralytics
     pause
     exit /b 1
 )
@@ -28,48 +25,47 @@ echo.
 
 :: 选择模型
 echo 选择模型:
-echo   1. YOLOv8n (轻量级, 速度快, 推荐)
-echo   2. YOLOv8s (精度更高, 稍慢)
+echo   1. YOLOv8n (轻量级, 速度快)
+echo   2. YOLOv8s (推荐, 速度和精度平衡)
 echo   3. YOLOv8m (高精度, 较慢)
 echo.
-set /p MODEL_CHOICE="输入选择 (1-3, 默认 1): "
+set /p MODEL_CHOICE="输入选择 (1-3, 默认 2): "
 
-if "%MODEL_CHOICE%"=="" set MODEL_CHOICE=1
+if "%MODEL_CHOICE%"=="" set MODEL_CHOICE=2
 if "%MODEL_CHOICE%"=="1" (
     set MODEL=yolov8n.pt
-    set DESC=YOLOv8n (轻量级)
+    set DESC=YOLOv8n
 )
 if "%MODEL_CHOICE%"=="2" (
     set MODEL=yolov8s.pt
-    set DESC=YOLOv8s (标准)
+    set DESC=YOLOv8s (推荐)
 )
 if "%MODEL_CHOICE%"=="3" (
     set MODEL=yolov8m.pt
-    set DESC=YOLOv8m (高精度)
+    set DESC=YOLOv8m
 )
 
 echo.
 echo [信息] 使用模型: %DESC%
 echo.
 
-:: 设置训练参数
+:: 训练参数
 set EPOCHS=150
 set IMGSZ=640
 set BATCH=16
 
 echo 训练参数:
 echo   - Epochs: %EPOCHS%
-echo   - Image Size: %IMGSZ%
+echo   - Image Size: %IMGSZ%x%IMGSZ%
 echo   - Batch Size: %BATCH%
 echo   - Device: GPU (cuda:0)
 echo.
 
 echo ============================================================
-echo                   开始训练
+echo                     开始训练
 echo ============================================================
 echo.
 
-:: 开始训练
 yolo detect train data=%DATASET% model=%MODEL% epochs=%EPOCHS% imgsz=%IMGSZ% batch=%BATCH% device=0
 
 if %ERRORLEVEL% neq 0 (
@@ -81,13 +77,11 @@ if %ERRORLEVEL% neq 0 (
 
 echo.
 echo ============================================================
-echo                   训练完成！
+echo                     训练完成！
 echo ============================================================
 echo.
-echo 模型保存在: runs/detect/train/weights/
-echo   - best.pt  (最佳模型)
-echo   - last.pt  (最后模型)
+echo 模型保存在: runs/detect/train/weights/best.pt
 echo.
-echo 下一步: 运行 03_export_onnx.bat 导出 ONNX 格式
+echo 下一步: 运行 03_export_onnx.bat 导出 ONNX
 echo.
 pause
diff --git a/train/03_export_onnx.bat b/train/03_export_onnx.bat
index 29569f5..1698f57 100644
--- a/train/03_export_onnx.bat
+++ b/train/03_export_onnx.bat
@@ -3,19 +3,15 @@ chcp 65001 >nul
 cls
 
 echo ============================================================
-echo             导出 ONNX 模型 (YOLOv8)
+echo         导出 ONNX 模型 (640x640)
 echo ============================================================
 echo.
 
-:: 设置模型路径
 set MODEL_PATH=runs/detect/train/weights/best.pt
 
-:: 检查模型是否存在
 if not exist %MODEL_PATH% (
-    echo [错误] 找不到模型文件: %MODEL_PATH%
-    echo.
-    echo 请先训练模型:
-    echo   运行 02_train.bat
+    echo [错误] 找不到模型: %MODEL_PATH%
+    echo 请先运行 02_train.bat 训练
     pause
     exit /b 1
 )
@@ -23,53 +19,17 @@ if not exist %MODEL_PATH% (
 echo [信息] 输入模型: %MODEL_PATH%
 echo.
 
-:: 导出 ONNX
-echo ============================================================
-echo                   导出 ONNX
-echo ============================================================
-echo.
-
-yolo export model=%MODEL_PATH% format=onnx imgsz=640 opset=12 simplify=True
+yolo export model=%MODEL_PATH% format=onnx imgsz=640 opset=12 simplify
 
 if %ERRORLEVEL% neq 0 (
-    echo.
     echo [错误] 导出失败！
     pause
     exit /b 1
 )
 
 echo.
-echo ============================================================
-echo                   导出完成！
-echo ============================================================
+echo [成功] ONNX 模型: runs/detect/train/weights/best.onnx
 echo.
-
-:: 检查输出文件
-set ONNX_PATH=runs\detect\train\weights\best.onnx
-if exist %ONNX_PATH% (
-    echo [成功] ONNX 模型: %ONNX_PATH%
-    
-    :: 获取文件大小
-    for %%I in (%ONNX_PATH%) do (
-        set SIZE=%%~zI
-    )
-    echo [信息] 文件大小: %SIZE% bytes
-) else (
-    echo [警告] 找不到输出文件
-)
-
-echo.
-echo ============================================================
-echo                   下一步操作
-echo ============================================================
-echo.
-echo 1. 复制 ONNX 文件到 Ubuntu 机器:
-echo    scp %ONNX_PATH% user@ubuntu-pc:~/rknn_convert/
-echo.
-echo 2. 在 Ubuntu 上转换为 RKNN:
-echo    python 04_convert_rknn.py best.onnx -o shoe_detector.rknn -t rk3588
-echo.
-echo 3. 部署到 RK3588:
-echo    scp shoe_detector.rknn orangepi@^<rk3588_ip^>:/home/orangepi/apps/OrangePi3588Media/models/
+echo 下一步: 在 Ubuntu 上运行 04_convert_rknn.py 转换
 echo.
 pause
diff --git a/train/README.md b/train/README.md
index 5ca2c7c..92991bc 100644
--- a/train/README.md
+++ b/train/README.md
@@ -1,157 +1,135 @@
 # 鞋子检测模型训练指南
 
+## 方案：640x640 单模型（部署时用2窗口）
+
+**训练阶段**：
+- 输入：640x640 完整图片
+- 模型：YOLOv8s
+- 输出：640x640 模型文件
+
+**部署阶段**（pipeline配置）：
+- 原图 1920x1080
+- 分成 2 个 960x1080 窗口
+- 每个窗口 resize 到 640x640 送入模型
+- 合并检测结果
+
+---
+
 ## 目录结构
 
 ```
 train/
 ├── README.md                 # 本文件
-├── 01_download_dataset.py    # 下载数据集脚本
-├── 02_train.bat              # Windows 训练脚本
+├── 01_download_dataset.py    # 下载 Construction-PPE 数据集
+├── 02_train.bat              # Windows 一键训练脚本
 ├── 03_export_onnx.bat        # 导出 ONNX 脚本
 ├── 04_convert_rknn.py        # 转换为 RKNN 脚本
-├── data.yaml.template        # 数据集配置文件模板
-└── samples/                  # 示例图片（用于测试）
+├── data.yaml.template        # 数据集配置文件
+└── samples/                  # 示例图片
+    ├── calibration/          
+    ├── test_images/          
     └── README.md
 ```
 
+---
+
 ## 快速开始
 
-### 1. 环境准备（Windows + GPU）
+### 1. 下载数据集
 
 ```bash
-# 安装 PyTorch (CUDA 11.8)
-pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
-
-# 安装 ultralytics
-pip install ultralytics
+cd train
+python 01_download_dataset.py --source ultralytics
 ```
 
-### 2. 下载数据集
-
-**手动下载（推荐）：**
-1. 访问：https://universe.roboflow.com/nedrick-chandra-gpg1l/safety-shoes-detection-5qgkg
-2. 点击 **"Download"** → 选择 **"YOLOv8"** 格式
-3. 解压到 `datasets/safety-shoes-detection/` 目录
-
-**或使用脚本（需要 API Key）：**
+或手动下载：
 ```bash
-python 01_download_dataset.py --api-key YOUR_API_KEY
+wget https://github.com/ultralytics/assets/releases/download/v0.0.0/construction-ppe.zip
+unzip construction-ppe.zip -d datasets/construction-ppe/
 ```
 
-### 3. 准备数据集配置
+### 2. 准备配置
 
-复制模板并修改路径：
 ```bash
-cp data.yaml.template datasets/safety-shoes-detection/data.yaml
-# 编辑 data.yaml，确保路径正确
+cp data.yaml.template datasets/construction-ppe/data.yaml
 ```
 
-### 4. 训练模型
+### 3. 训练（640x640）
 
-**一键训练：**
 ```bash
 02_train.bat
 ```
 
-**或手动训练：**
+或手动：
 ```bash
-# YOLOv8n - 轻量级，速度快
-yolo detect train data=datasets/safety-shoes-detection/data.yaml model=yolov8n.pt epochs=150 imgsz=640 batch=16 device=0
-
-# YOLOv8s - 精度更高（可选）
-# yolo detect train data=datasets/safety-shoes-detection/data.yaml model=yolov8s.pt epochs=150 imgsz=640 batch=16 device=0
+yolo detect train \
+    data=datasets/construction-ppe/data.yaml \
+    model=yolov8s.pt \
+    epochs=150 \
+    imgsz=640 \
+    batch=16 \
+    device=0
 ```
 
-训练完成后，模型保存在：`runs/detect/train/weights/best.pt`
+**训练参数**：
+- 模型：YOLOv8s（速度和精度平衡）
+- 输入：640x640
+- 预计时间：30-60分钟
 
-### 5. 导出 ONNX
+### 4. 导出 ONNX
 
 ```bash
 03_export_onnx.bat
 ```
 
-输出：`runs/detect/train/weights/best.onnx`
-
-### 6. 转换为 RKNN
-
-**在 Ubuntu PC 上运行：**
+### 5. 转换为 RKNN
 
+在 Ubuntu PC 上：
 ```bash
-# 安装 RKNN Toolkit2
-pip install rknn-toolkit2==2.2.0
-
-# 转换（FP16 模式 - 推荐）
-python 04_convert_rknn.py runs/detect/train/weights/best.onnx -o shoe_detector.rknn -t rk3588
-
-# 或 INT8 量化（需要校准数据集）
-# python 04_convert_rknn.py runs/detect/train/weights/best.onnx -o shoe_detector.rknn -t rk3588 -q -d dataset.txt
+python 04_convert_rknn.py runs/detect/train/weights/best.onnx -o shoe_detector_640.rknn -t rk3588
 ```
 
-### 7. 部署到 RK3588
+### 6. 部署（2窗口配置）
 
+复制到 RK3588：
 ```bash
-scp shoe_detector.rknn orangepi@<rk3588_ip>:/home/orangepi/apps/OrangePi3588Media/models/
+scp shoe_detector_640.rknn orangepi@<rk3588_ip>:/home/orangepi/apps/OrangePi3588Media/models/
 ```
 
-然后在 `configs/full_pipeline_1080p.json` 中更新模型路径。
+Pipeline 配置（部署阶段用2窗口）：
+```json
+{
+  "id": "pre_shoe",
+  "type": "preprocess",
+  "windows": [
+    {"x": 0, "y": 0, "w": 960, "h": 1080},
+    {"x": 960, "y": 0, "w": 960, "h": 1080}
+  ],
+  "dst_w": 640,
+  "dst_h": 640
+}
+```
 
 ---
 
-## 训练参数说明
+## 类别说明（Construction-PPE）
 
-| 参数 | YOLOv8n | YOLOv8s | 说明 |
-|------|---------|---------|------|
-| 模型大小 | 3.2MB | 11MB | 文件大小 |
-| 推理速度 | ~30-40ms | ~50-60ms | RK3588 NPU |
-| mAP | ~0.75 | ~0.82 | 精度 |
-| 推荐场景 | 实时检测 | 高精度 | 选择建议 |
-
----
-
-## 数据集说明
-
-### Safety Shoes Detection
-- **来源**: Roboflow Universe
-- **类别**: safety-shoes / no-safety-shoes
-- **图片数**: 约 1000+ 张
-- **场景**: 工地安全鞋检测
-
-### 转换为单类检测
-
-我们将两类合并为单一的 `shoe` 类别：
-- 检测所有鞋子（安全鞋、运动鞋、布鞋等）
-- 后续通过颜色分析判断是否为劳保鞋
-
----
-
-## 常见问题
-
-### Q1: 训练时显存不足？
-降低 batch size：
-```bash
-yolo detect train ... batch=8  # 默认 16，改为 8
-```
-
-### Q2: 如何提高精度？
-1. 增加训练 epoch：`epochs=200`
-2. 使用更大模型：`model=yolov8s.pt`
-3. 增大输入尺寸：`imgsz=768`
-4. 收集更多现场图片 fine-tune
-
-### Q3: RKNN 转换失败？
-1. 确保使用正确的 opset (12)
-2. 使用 `simplify=True` 导出 ONNX
-3. 检查 RKNN Toolkit2 版本与板端驱动匹配
-
-### Q4: 检测不到鞋子？
-1. 降低置信度阈值：`conf=0.15`
-2. 检查 class_filter 是否正确设置
-3. 确认输入图像尺寸与模型匹配
+使用原始11类：
+- 0: helmet
+- 1: gloves
+- 2: vest
+- 3: **boots** ← 主要关注
+- 4: goggles
+- 5: none
+- 6: **Person**
+- 7: no_helmet
+- 8: no_goggle
+- 9: no_gloves
+- 10: **no_boots**
 
 ---
 
 ## 相关链接
 
-- [Ultralytics YOLOv8 文档](https://docs.ultralytics.com/)
-- [RKNN Toolkit2 文档](https://github.com/airockchip/rknn-toolkit2)
-- [Roboflow Universe - Safety Shoes](https://universe.roboflow.com/nedrick-chandra-gpg1l/safety-shoes-detection-5qgkg)
+- [Construction-PPE 数据集](https://docs.ultralytics.com/datasets/detect/construction-ppe/)
+- [Ultralytics YOLOv8](https://docs.ultralytics.com/)
diff --git a/train/data.yaml.template b/train/data.yaml.template
index 7542f1d..0af217f 100644
--- a/train/data.yaml.template
+++ b/train/data.yaml.template
@@ -1,38 +1,16 @@
-# 单类鞋子检测数据集配置
-# 基于 Roboflow Safety Shoes Detection 数据集修改
-# 将原有的两类 (safety-shoes / no-safety-shoes) 合并为单一的 shoe 类别
+# Construction-PPE 数据集配置
 
-# 数据集路径
-train: ../train/images
-val: ../valid/images
-test: ../test/images
+path: construction-ppe
+train: images/train
+val: images/val
+test: images/test
 
-# 类别配置
-nc: 1              # 类别数
-names: ['shoe']    # 类别名称列表
+# 11类原始类别
+nc: 11
+names: [
+  'helmet', 'gloves', 'vest', 'boots', 'goggles', 'none',
+  'Person', 'no_helmet', 'no_goggle', 'no_gloves', 'no_boots'
+]
 
-# Roboflow 元信息（可选）
-roboflow:
-  workspace: nedrick-chandra-gpg1l
-  project: safety-shoes-detection-5qgkg
-  version: 2
-  license: CC BY 4.0
-  url: https://universe.roboflow.com/nedrick-chandra-gpg1l/safety-shoes-detection-5qgkg/dataset/2
-
-# 使用说明:
-# 1. 将此文件复制到数据集根目录，命名为 data.yaml
-# 2. 确保 train/val/test 路径正确
-# 3. 运行训练: yolo detect train data=data.yaml model=yolov8n.pt epochs=150 imgsz=640
-#
-# 目录结构应为:
-#   safety-shoes-detection/
-#   ├── data.yaml          # 本文件
-#   ├── train/
-#   │   ├── images/        # 训练图片
-#   │   └── labels/        # YOLO 格式标注文件
-#   ├── valid/
-#   │   ├── images/        # 验证图片
-#   │   └── labels/        # YOLO 格式标注文件
-#   └── test/
-#       ├── images/        # 测试图片
-#       └── labels/        # YOLO 格式标注文件
+# 数据下载链接
+download: https://github.com/ultralytics/assets/releases/download/v0.0.0/construction-ppe.zip